[發(fā)明專利]一種基于UCL語義標(biāo)引的知識(shí)圖譜構(gòu)建方法及裝置

在審

• 申請?zhí)枺?/td>: 202010194484.3
• 申請日: 2020-03-19
• 公開（公告）號(hào): CN111428047A
• 公開（公告）日: 2020-07-17
• 發(fā)明（設(shè)計(jì)）人: 楊鵬;李超;紀(jì)雯;馬衛(wèi)東
• 申請（專利權(quán)）人: 東南大學(xué)
• 主分類號(hào): G06F16/36
• 分類號(hào): G06F16/36;G06F16/951;G06F40/30
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 孟紅梅

1.一種基于UCL語義標(biāo)引的知識(shí)圖譜構(gòu)建方法，其特征在于，包括如下步驟：

(1)從開放鏈接數(shù)據(jù)庫中提取實(shí)體、實(shí)體基礎(chǔ)屬性和實(shí)體間關(guān)聯(lián)關(guān)系構(gòu)建基礎(chǔ)實(shí)體庫；

(2)對(duì)獲取的新聞信息進(jìn)行清洗、語義解析標(biāo)引成UCL實(shí)體，并根據(jù)新聞的5W特性，將UCL實(shí)體與基礎(chǔ)實(shí)體庫中普通實(shí)體間的關(guān)系分類，然后分別計(jì)算各普通實(shí)體在UCL實(shí)體中的語義重要程度，從而得到UCL實(shí)體與普通實(shí)體間的關(guān)聯(lián)度，將UCL實(shí)體融入基礎(chǔ)實(shí)體庫，完成初始UCL知識(shí)圖譜的構(gòu)建；

(3)根據(jù)普通實(shí)體與UCL實(shí)體間的關(guān)聯(lián)關(guān)系，將UCL實(shí)體作為普通實(shí)體間關(guān)系的“上下文”，利用關(guān)系的語義環(huán)境區(qū)分實(shí)體間的關(guān)系，據(jù)此在Transe算法模型中引入屬于特定關(guān)系的上下文環(huán)境變量訓(xùn)練得到詞向量，利用訓(xùn)練好的詞向量模型對(duì)知識(shí)圖譜補(bǔ)全；所述特定關(guān)系是UCL實(shí)體與普通實(shí)體的關(guān)聯(lián)度大于設(shè)定閾值；

所述步驟(2)中根據(jù)詞頻選擇UCL中待消歧實(shí)體，根據(jù)詞頻和詞在文中的位置計(jì)算實(shí)體的語義重要程度，并根據(jù)實(shí)體間的詞語相似度選取基礎(chǔ)實(shí)體庫中的目標(biāo)實(shí)體集合，再從基礎(chǔ)實(shí)體庫中獲取目標(biāo)實(shí)體的同義實(shí)體和歧義實(shí)體加入目標(biāo)實(shí)體集合作為候選實(shí)體集合，并從基礎(chǔ)實(shí)體庫中獲取每個(gè)候選實(shí)體的關(guān)聯(lián)實(shí)體集合作為候選實(shí)體的上下文環(huán)境；計(jì)算UCL中待消歧實(shí)體的上下文與候選實(shí)體的上下文的相似性作為實(shí)體間的環(huán)境相似度；取環(huán)境相似度最高的目標(biāo)實(shí)體，將對(duì)應(yīng)的語義重要程度作為它與UCL實(shí)體的關(guān)聯(lián)度；

根據(jù)如下公式計(jì)算UCL中待消歧實(shí)體ucle_i與候選實(shí)體ce_j的環(huán)境相似度：

其中，UCLDE表示UCL中待消歧實(shí)體集合，pw_i表示ucle_i的語義重要程度，REL表示候選實(shí)體的關(guān)聯(lián)實(shí)體集合，size(UCLDE)表示集合UCLDE的大小，I(SIM(e_t,e_k)0)為指示函數(shù)，SIM(e_t,e_k)表示實(shí)體e_t和e_k間的詞語相似度，θ為權(quán)重分配參數(shù)。

2.根據(jù)權(quán)利要求1所述的基于UCL語義標(biāo)引的知識(shí)圖譜構(gòu)建方法，其特征在于，所述步驟(1)中構(gòu)建基礎(chǔ)實(shí)體庫時(shí)，首先使用開放鏈接數(shù)據(jù)庫wikidata中的數(shù)據(jù)作為源數(shù)據(jù)建立基礎(chǔ)的知識(shí)庫；然后從其它開放鏈接數(shù)據(jù)中提取實(shí)體和關(guān)系，并對(duì)齊到基礎(chǔ)實(shí)體庫中，完善和糾正基礎(chǔ)實(shí)體庫中的實(shí)體屬性和關(guān)聯(lián)關(guān)系信息；所述其它開放鏈接數(shù)據(jù)為百度百科、互動(dòng)百科和/或中文維基百科網(wǎng)站。

3.根據(jù)權(quán)利要求1所述的基于UCL語義標(biāo)引的知識(shí)圖譜構(gòu)建方法，其特征在于，所述步驟(3)中利用如下公式作為知識(shí)圖譜補(bǔ)全的判斷依據(jù)：

其中h、r、t分別表示頭實(shí)體向量、關(guān)系向量和尾實(shí)體向量，UCL_r為由頭尾實(shí)體共同上下文語義環(huán)境決定的參數(shù)向量，它和頭尾實(shí)體向量維數(shù)相同，表示UCL_r和h兩個(gè)向量各位相乘，||·||₂表示L2范數(shù)，f(h,r,t)計(jì)算的值越接近0，表示補(bǔ)全的實(shí)體越準(zhǔn)確。

4.根據(jù)權(quán)利要求3所述的基于UCL語義標(biāo)引的知識(shí)圖譜構(gòu)建方法，其特征在于，按照如下目標(biāo)函數(shù)訓(xùn)練得到UCL知識(shí)圖譜中三元組(h,r,t)和對(duì)應(yīng)環(huán)境參數(shù)UCL_r的向量表示：

其中S表示UCL知識(shí)圖譜中三元組詞向量集合，S′_(h,r,t)表示構(gòu)建的對(duì)應(yīng)三元組(h,r,t)的負(fù)樣本集合，為正負(fù)樣本之間的間距。

5.一種基于UCL語義標(biāo)引的知識(shí)圖譜構(gòu)建裝置，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被加載至處理器時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1-4任一項(xiàng)所述的基于UCL語義標(biāo)引的知識(shí)圖譜構(gòu)建方法。